Docker

Docker 使用容器建立虛擬環境，將 TensorFlow 安裝與系統的其他部分隔離。TensorFlow 程式會在這個虛擬環境中執行，這個環境可以與其主機共用資源 (存取目錄、使用 GPU、連線至網際網路等)。TensorFlow Docker 映像檔在每次發布時都會經過測試。

Docker 是在 Linux 上啟用 TensorFlow GPU 支援最簡單的方式，因為主機只需要安裝 NVIDIA® GPU 驅動程式 (NVIDIA® CUDA® Toolkit 不需要安裝)。

TensorFlow Docker 需求

1. 在本機主機上安裝 Docker。
2. 如需 Linux 上的 GPU 支援，請安裝 NVIDIA Docker 支援。
   • 使用 docker -v 記下您的 Docker 版本。早於 19.03 的版本需要 nvidia-docker2 和 --runtime=nvidia 標記。在包含及之後 19.03 的版本上，您將使用 nvidia-container-toolkit 套件和 --gpus all 標記。以上連結的頁面中記錄了這兩種選項。

下載 TensorFlow Docker 映像檔

官方 TensorFlow Docker 映像檔位於 tensorflow/tensorflow Docker Hub 存放區中。映像檔版本會使用以下格式加上標記

標記	說明
latest	TensorFlow CPU 二進位映像檔的最新版本。預設值。
nightly	TensorFlow 映像檔的每晚建構版本。(不穩定。)
version	指定 TensorFlow 二進位映像檔的版本，例如：2.8.3

每個基本標記都有變體，可新增或變更功能

標記變體	說明
tag-gpu	具有 GPU 支援的指定標記版本。(請參閱下方)
tag-jupyter	具有 Jupyter 的指定標記版本 (包含 TensorFlow 教學課程筆記本)

您可以一次使用多個變體。例如，以下指令會將 TensorFlow 版本映像檔下載到您的機器

docker pull tensorflow/tensorflow                     # latest stable release
docker pull tensorflow/tensorflow:devel-gpu           # nightly dev release w/ GPU support
docker pull tensorflow/tensorflow:latest-gpu-jupyter  # latest release w/ GPU support and Jupyter

啟動 TensorFlow Docker 容器

若要啟動已設定 TensorFlow 的容器，請使用以下命令格式

docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

如需詳細資訊，請參閱 docker run 參考資料。

使用僅限 CPU 映像檔的範例

讓我們使用標記為 latest 的映像檔驗證 TensorFlow 安裝。Docker 會在第一次執行時下載新的 TensorFlow 映像檔

docker run -it --rm tensorflow/tensorflow \
   python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

讓我們示範更多 TensorFlow Docker 食譜。在已設定 TensorFlow 的容器中啟動 bash shell 工作階段

docker run -it tensorflow/tensorflow bash

在容器中，您可以啟動 python 工作階段並匯入 TensorFlow。

若要在容器中執行在主機上開發的 TensorFlow 程式，請掛接主機目錄並變更容器的工作目錄 (-v hostDir:containerDir -w workDir)

docker run -it --rm -v $PWD:/tmp -w /tmp tensorflow/tensorflow python ./script.py

當容器內建立的檔案暴露於主機時，可能會發生權限問題。通常最好在主機系統上編輯檔案。

使用 TensorFlow 的每晚建構版本啟動 Jupyter Notebook 伺服器

docker run -it -p 8888:8888 tensorflow/tensorflow:nightly-jupyter

按照操作說明在您的主機網頁瀏覽器中開啟網址：http://127.0.0.1:8888/?token=...

GPU 支援

Docker 是在 GPU 上執行 TensorFlow 最簡單的方式，因為主機只需要安裝 NVIDIA® 驅動程式 (NVIDIA® CUDA® Toolkit 不是必要項目)。

安裝 Nvidia Container Toolkit，將 NVIDIA® GPU 支援新增至 Docker。nvidia-container-runtime 僅適用於 Linux。如需詳細資訊，請參閱 nvidia-container-runtime 平台支援常見問題。

檢查 GPU 是否可用

lspci | grep -i nvidia

驗證您的 nvidia-docker 安裝

docker run --gpus all --rm nvidia/cuda nvidia-smi

使用啟用 GPU 映像檔的範例

下載並執行啟用 GPU 的 TensorFlow 映像檔 (可能需要幾分鐘)

docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu \
   python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

設定啟用 GPU 的映像檔可能需要一些時間。如果重複執行以 GPU 為基礎的指令碼，您可以使用 docker exec 重複使用容器。

使用最新的 TensorFlow GPU 映像檔在容器中啟動 bash shell 工作階段

docker run --gpus all -it tensorflow/tensorflow:latest-gpu bash